SpeechAnalyzer para dictar en macOS 26
Notas de cuando agregué SpeechAnalyzer de Apple a una app de dictado para macOS. Qué hace y qué no puede hacer.
macOS 26 trae una nueva API de reconocimiento de voz llamada SpeechAnalyzer. Apple no hizo mucho ruido con ella. Para cualquiera que construye una app de dictado, cambió las reglas del juego.
Qué hay de nuevo
SpeechAnalyzer es una API nueva para transcripción en vivo y de grabaciones largas. Le mandas el audio en tiempo real y el texto regresa mientras sigues hablando. El modelo corre en la Mac y nunca toca la red.
El modelo del idioma se descarga una vez, la primera vez que lo usas. Después funciona en modo avión. Yubi muestra un estado de preparación durante esa única descarga. Cuando termina, el dictado funciona totalmente sin conexión.
Japonés e inglés
El japonés y el inglés son modelos separados. En modo automático, Yubi elige japonés o inglés según el idioma que tenga la Mac en ese momento. También puedes fijar uno de los dos en la configuración.
Los nombres propios son el punto débil, y eso pasa con cualquier motor de voz, no solo con este. El nombre de una empresa o de una persona es una secuencia de sonidos desconocida, así que el motor lo cambia por algo que suena parecido. SpeechAnalyzer acepta pistas sobre palabras que probablemente vas a decir. Yubi le da los nombres de las apps que tienes abiertas y las palabras que escribiste en su cuadro de vocabulario. Una pista hace que una palabra sea más fácil de reconocer. No garantiza cómo se escribe.
Dónde entra Whisper
Yubi también soporta Whisper, el modelo que publicó OpenAI, corriendo localmente con whisper.cpp. También deja el audio en la Mac. La diferencia es que Whisper transcribe cuando terminas de hablar y no mientras hablas, así que esperas un momento. En mi Mac, las notas largas que tomo en lugares con ruido suelen salir mejor con Whisper.
Mi costumbre es usar SpeechAnalyzer para el día a día y Whisper para notas largas en un café. Ninguno de los dos cobra.
Lo que no puede hacer
No corre en nada anterior a macOS 26. Es una limitación de Apple y no hay forma de evitarla, por eso Yubi requiere macOS 26 o posterior. Las Mac con Intel también quedan fuera. Yubi está hecha solo para Apple Silicon.
SpeechAnalyzer devuelve texto y ahí se detiene. No limpia el texto. Tus muletillas y tus frases que vuelves a empezar quedan tal como las dijiste. Yubi tiene una función de tono que ajusta la redacción según la app donde escribes, pero son reglas simples que corren en la Mac, aparte del motor de voz.
Desde el lado de quien la construye
El cambio más grande fue que desapareció la cuenta de la transcripción en la nube. Como Yubi no sube audio, no tengo un servidor de transcripción ni guardo grabaciones. Todo lo que necesita el dictado ya está dentro de la Mac.